Desarrolla modelos de AA en JavaScript y usa el AA directamente en el navegador o en Node.js.
- Los tutoriales te muestran cómo usar TensorFlow.js con ejemplos completos de extremo a extremo.
- Modelos previamente entrenados, listos para usar para casos prácticos comunes.
- Se ejecutan demostraciones en vivo y ejemplos en tu navegador mediante TensorFlow.js.
Ejecuta modelos existentes
Utiliza modelos listos para usar de JavaScript, o convierte modelos de TensorFlow para Python y ejecútalos en el navegador o con Node.js. Explora modelos de TensorFlow.js previamente entrenados que están listos para usarlos en cualquier proyecto:
Encuentra modelos ya existentes
Algunos ejemplos de diferentes modelos existentes: Detección de objetos, segmentación del cuerpo, estimación de pose, detección de texto tóxico, codificación de oraciones, reconocimiento de comandos de voz o un clasificador KNN.
¿Qué es el aprendizaje por transferencia para personalizar modelos?
Los modelos sofisticados de aprendizaje profundo tienen millones de parámetros (pesos) y entrenarlos desde cero a menudo requiere grandes cantidades de datos de recursos informáticos. El aprendizaje de transferencia es una técnica que abrevia gran parte de esto al tomar una pieza de un modelo que ya ha sido capacitado en una tarea relacionada y reutilizarlo en un nuevo modelo.
Por ejemplo, el próximo tutorial en esta sección le mostrará cómo construir su propio reconocedor de imágenes que aproveche un modelo que ya fue entrenado para reconocer miles de diferentes tipos de objetos dentro de las imágenes. Puede adaptar el conocimiento existente en el modelo pre-entrenado para detectar sus propias clases de imágenes usando mucho menos datos de entrenamiento que el modelo original requerido.
Esto es útil para desarrollar rápidamente nuevos modelos, así como para personalizar modelos en entornos restringidos de recursos, como navegadores y dispositivos móviles.
La mayoría de las veces, al realizar el aprendizaje de transferencia, no ajustamos los pesos del modelo original. En su lugar, eliminamos la capa final y entrenamos un modelo nuevo (a menudo bastante superficial) en la parte superior de la salida del modelo truncado. Esta es la técnica que verá demostrada en los tutoriales de esta sección.
Desarrolla Aprendizaje Automático con Javascript
Compila y entrena modelos directamente en JavaScript con API flexibles e intuitivas.
¿Cómo comenzar con Tensorflow en Javascript?
TensorFlow.js es una biblioteca de JavaScript para el entrenamiento y la implementación de modelos de aprendizaje automático en navegadores y en Node.js.
¿Quieres comenzar a usar el aprendizaje automático sin tener que preocuparte por los detalles del nivel inferior, como los tensores o los optimizadores? La biblioteca ml5.js se compila sobre TensorFlow.js y proporciona acceso en un navegador a algoritmos y modelos de aprendizaje automático a través de una API concisa y accesible.
Modelos de Graphdef
Echa un vistazo a ml5JS: https://ml5js.org/
¿Cómo configurar Tensorflow JS?
¿Te sientes cómodo con conceptos como tensores, capas, optimizadores y funciones de pérdida (o estás dispuesto a sentirte cómodo con ellos)? TensorFlow.js proporciona componentes básicos flexibles para la programación de redes neuronales en JavaScript. Consulta cómo comenzar a usar el código de TensorFlow.js en un navegador o en Node.js.
Modelos de Graphdef
Sigue las introducciones de configuración: https://www.tensorflow.org/js/tutorials/setup
¿Cómo convertir modelos previamente entrenados a TensorFlow.js?
Aprende a convertir modelos previamente entrenados de Python a TensorFlow.js:
Modelos de Keras
Modelos de Graphdef
¿Cómo aprender del código ya existente de TensorFlow.js
Desde tensorflowjs se proporcionan pequeños ejemplos de código que sirven para implementar diversas tareas de AA con TensorFlow.js.
? Los Mejores Chollos de Amazon, ¡Agrégalos a tu Lista de Deseos!
Fuente
: TensorFlow.js es una biblioteca para el aprendizaje automático en JavaScript